Analiza numeryczna Kurs INP002009W. Wykład 4 Rozwiązywanie równań nieliniowych. Karol Tarnowski A-1 p.

Podobne dokumenty
Analiza numeryczna Kurs INP002009W. Wykład 1 Narzędzia matematyczne. Karol Tarnowski A-1 p.223

Wstęp do programowania INP001213Wcl rok akademicki 2017/18 semestr zimowy. Wykład 9. Karol Tarnowski A-1 p.

RÓWNANIA NIELINIOWE Maciej Patan

Zagadnienia - równania nieliniowe

1 Metody rozwiązywania równań nieliniowych. Postawienie problemu

Metody Numeryczne. Wojciech Szewczuk

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania

x R, (1) Ogólnie równanie o jednej niewiadomej x można przedstawić w postaci

Jarosław Wróblewski Analiza Matematyczna 1, zima 2016/17

1 Równania nieliniowe

Rozwiązywanie równań nieliniowych

POSZUKIWANIE ZER FUNKCJI F(x). Zad. 2. Korzystając z metody punktu stałego znaleźć miejsce zerowe funkcji f(x) =

Metody rozwiązywania równań nieliniowych

Rekursja 2. Materiały pomocnicze do wykładu. wykładowca: dr Magdalena Kacprzak

Metody numeryczne I Równania nieliniowe

Równania nieliniowe, nieliniowe układy równań, optymalizacja

PRZYBLI ONE METODY ROZWI ZYWANIA RÓWNA

METODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. prof. dr hab.inż. Katarzyna Zakrzewska

Laboratorium 5 Przybliżone metody rozwiązywania równań nieliniowych

Równania nieliniowe, nieliniowe układy równań, optymalizacja

METODY NUMERYCZNE. Wykład 4. Numeryczne rozwiązywanie równań nieliniowych z jedną niewiadomą. Rozwiązywanie równań nieliniowych z jedną niewiadomą

Informatyka Stosowana-egzamin z Analizy Matematycznej Każde zadanie należy rozwiązać na oddzielnej, podpisanej kartce!

Iteracyjne rozwiązywanie równań

Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.

Metody numeryczne. Równania nieliniowe. Janusz Szwabiński.

Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.

Analiza matematyczna dla informatyków 4 Zajęcia 5

Matematyka I. Bezpieczeństwo jądrowe i ochrona radiologiczna Semestr zimowy 2018/2019 Wykład 11

Wstęp do programowania

Rzut oka na współczesną matematykę spotkanie 3: jak liczy kalkulator i o źródłach chaosu

Metody numeryczne. Instytut Sterowania i Systemów Informatycznych Wydział Elektrotechniki, Informatyki i Telekomunikacji Uniwersytet Zielonogórski

Matematyka stosowana i metody numeryczne

x t 1 (x) o 1 : x s 3 (x) Tym samym S(3) = {id 3,o 1,o 2,s 1,s 2,s 3 }. W zbiorze S(n) definiujemy działanie wzorem

Przykładowe zadania dla poziomu rozszerzonego

Metody numeryczne Wykład 7

Rozwiązywanie równań nieliniowych i ich układów. Wyznaczanie zer wielomianów.

APROKSYMACJA I INTERPOLACJA. funkcja f jest zbyt skomplikowana; użycie f w dalszej analizie problemu jest trudne

Programowanie Równoległe i Rozproszone. Algorytm Kung a. Algorytm Kung a. Programowanie Równoległe i Rozproszone Wykład 8. Przygotował: Lucjan Stapp

Wybrane metody przybliżonego. wyznaczania rozwiązań (pierwiastków) równań nieliniowych

Zadania domowe z Analizy Matematycznej III - czȩść 2 (funkcje wielu zmiennych)

RÓWNANIA RÓŻNICZKOWE WYKŁAD 11

Analiza numeryczna. Stanisław Lewanowicz. Aproksymacja funkcji

VIII. Zastosowanie rachunku różniczkowego do badania funkcji. 1. Twierdzenia o wartości średniej. Monotoniczność funkcji.

Metody Obliczeniowe w Nauce i Technice

Metody numeryczne. dr Artur Woike. Ćwiczenia nr 2. Rozwiązywanie równań nieliniowych metody połowienia, regula falsi i siecznych.

11. Pochodna funkcji

Wprowadzenie Metoda bisekcji Metoda regula falsi Metoda siecznych Metoda stycznych RÓWNANIA NIELINIOWE

Optymalizacja ciągła

ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH

Fraktale - ciąg g dalszy

KADD Metoda najmniejszych kwadratów

Wstęp do programowania INP001213Wcl rok akademicki 2018/19 semestr zimowy. Wykład 5. Karol Tarnowski A-1 p.

Ciągi liczbowe wykład 3

1 Pochodne wyższych rzędów

Egzamin z Metod Numerycznych ZSI, Egzamin, Gr. A

Analiza numeryczna Kurs INP002009W. Wykład 8 Interpolacja wielomianowa. Karol Tarnowski A-1 p.223

Informatyka A. Algorytmy

2. Definicja pochodnej w R n

MOTYWACJA. x x x e x x x , sin( ) 0, 4 tan ( ) 0

3 Arytmetyka. 3.1 Zbiory liczbowe.

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Znajdowanie pozostałych pierwiastków liczby zespolonej, gdy znany jest jeden pierwiastek

a[1] a[2] a[3] a[4] a[5] a[6] a[7] a[8] a[9] a[10]

Zadania z analizy matematycznej - sem. I Szeregi liczbowe

Ekonomia matematyczna - 1.1

Stwierdzenie 1. Jeżeli ciąg ma granicę, to jest ona określona jednoznacznie (żaden ciąg nie może mieć dwóch różnych granic).

1. Granica funkcji w punkcie

Układy równań nieliniowych (wielowymiarowa metoda Newtona-Raphsona) f(x) = 0, gdzie. dla n=2 np.

Wprowadzenie do metod numerycznych Wykład 2 Numeryczne rozwiązywanie równań nieliniowych

Technologie informacyjne Wykład VII-IX

22 Pochodna funkcji definicja

I. Ciągi liczbowe. , gdzie a n oznacza n-ty wyraz ciągu (a n ) n N. spełniający warunek. a n+1 a n = r, spełniający warunek a n+1 a n

Funkcje tworz ce skrypt do zada«

Twierdzenie Cayleya-Hamiltona

Wstęp do sieci neuronowych, wykład 11 Łańcuchy Markova

METODY ROZWIĄZYWANIA RÓWNAŃ NIELINIOWYCH

Instrukcje pętli przykłady. Odgadywanie hasła. 1) Program pyta o hasło i podaje adres, gdy hasło poprawne lub komunikat o błędnym haśle.

FAQ ANALIZA R c ZADANIA

Zadanie 1. Korale (8 pkt) Rozważamy następującą rekurencyjną procedurę Korale, której parametrem jest dodatnia liczba całkowita n.

Analiza Matematyczna. Własności funkcji różniczkowalnych

ZAGADNIENIA Z MATEMATYKI DLA STUDENTÓW I ROKU WIMiR Semestr zimowy 2017/18

Egzaminy. na wyższe uczelnie zadania

CIĄGI LICZBOWE. Poziom podstawowy

INŻYNIERIA BEZPIECZEŃSTWA LABORATORIUM NR 2 ALGORYTM XOR ŁAMANIE ALGORYTMU XOR

Optymalizacja ciągła

Metody numeryczne II

Jarosław Wróblewski Analiza Matematyczna 2B, lato 2015/16

Analiza Matematyczna. Właściwości funkcji ciagłych

Matematyka. Zakres podstawowy. Nawi zanie do gimnazjum. n/m Rozwi zywanie zada Zadanie domowe Dodatkowe Komunikaty Bie ce materiały

Numeryczne metody optymalizacji Optymalizacja w kierunku. informacje dodatkowe

O pewnych zastosowaniach rachunku różniczkowego funkcji dwóch zmiennych w ekonomii

Matematyka ZLic - 2. Granica ciągu, granica funkcji. Ciągłość funkcji, własności funkcji ciągłych.

Wyznaczanie miejsc zerowych funkcji

Wstęp do metod numerycznych 9. Minimalizacja: funkcje jednej zmiennej. P. F. Góra

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Algorytm. a programowanie -

y f x 0 f x 0 x x 0 x 0 lim 0 h f x 0 lim x x0 - o ile ta granica właściwa istnieje. f x x2 Definicja pochodnych jednostronnych

6. Granica funkcji. Funkcje ciągłe.

Wykład 12 i 13 Macierz w postaci kanonicznej Jordana , 0 A 2

Prace domowe z matematyki Semestr zimowy 2010/2011. Zoa Zieli«ska-Kolasi«ska

Transkrypt:

Aaliza umerycza Kurs INP002009W Wykład 4 Rozwiązywaie rówań ieliiowych Karol Tarowski karol.tarowski@pwr.wroc.pl A-1 p.223

Pla wykładu Metoda bisekcji Algorytm Aaliza błędu Metoda Newtoa Algorytm Aaliza błędu Przykład Zastosowaie do układów rówań ieliiowych Metoda sieczych Algorytm Aaliza błędu 2/25

Rozwiązywaie rówań ieliiowych Poszukujemy X x x : f x 1, x2, x3 0 FX 0 3/25

Metoda bisekcji Jeśli f jest fukcją ciągłą w przedziale [a,b] i jeśli f(a)f(b)<0, to fukcja ta musi mieć zero w (a,b). 4/25

Metoda bisekcji Wyzaczamy pukt c = ½(a+b) oraz wartość fukcji f(c) jeśli f(a)f(c)<0 to bc jeśli f(b)f(c)<0 to ac 5/25

Metoda bisekcji jeśli f(a)f(c)<0 to bc 6/25

Metoda bisekcji Kryteria zakończeia: przekroczeie maksymalej liczba kroków zadowalająco mały błąd zadowalająco mała wartość fukcji 7/25

Metoda bisekcji Algorytm iput a, b, M, d, e fa f(a) fb f(b) h b a output a, b, fa, fb if sg(fa) = sg(fb) the stop for k = 1 to M do h h/2 c a + h fc f(c) output k, c, fc, h if abs(e) < d or... abs(fc) < e the stop if sg(fc) sg(fa) the b c fb fc else a c fa fc edif eddo 8/25

Metoda bisekcji Aaliza błędu Ozaczmy koleje otrzymywae przedziały symbolami [a 0, b 0 ], [a 1, b 1 ] itd. Wtedy: a a a b, b b b a, 0 1 2 0 0 1 2 0 1 b 1 a1 b a dla 0, 2 b a 2 b a, 0 0 lim b lim a lim b a lim 2 b a 0, lim b lim a r, c a b 2, 1 1 r c b a 2 b0 a0. 2 0 0 9/25

Metoda Newtoa Rozważmy fukcję f, która ma zero w r (f(r) = 0), atomiast x jest przybliżeiem r. Na mocy twierdzeia Taylora 0 = f(r) = f(x+h) = f(x) + hf (x) + O(h 2 ), gdzie h = r x. Jeśli h jest małe to wyraz O(h 2 ) możemy pomiąć. wtedy rozwiązując rówaie względem h otrzymujemy 10/25

Metoda Newtoa Wtedy rozwiązując rówaie względem h otrzymujemy: 0 = f(x) + hf (x) x f(x) = hf (x) h ' x f x f 1 x f x f ' x 11/25

Metoda Newtoa ' f x f x x x 0 0 0 12/25

Metoda Newtoa ' f x f x x x 1 1 1 13/25

Metoda Newtoa Algorytm iput x0, M, d, e v f(x0) output 0, x0, v if abs(v) < e the stop for k = 1 to M do x1 x0 v/f (x0) v f(x1) output k, x1, v if abs(x1 x0) < d or abs(v) < e the stop x0 x1 eddo 14/25

Metoda Newtoa 15/25

Metoda Newtoa Aaliza błędu Przez błąd rozumiemy wielkość e = x r. Załóżmy, że f jest ciągła, i że r jest zerem pojedyczym fukcji f, tj. f(r) = 0 f (r). fx e1 x1 r x r f' x ' f x e f ' x f x e f ' x f x 16/25

Metoda Newtoa Aaliza błędu e 1 f' x e f ' x f x Ze wzoru Taylora 1 0 f r f x e f x ef ' x ef '' 2 2 1 ef ' x f x ef 2 2 '' 1 f '' 1 f '' r e e e Ce 2 2 2 1 2 f ' x 2 f ' r 17/25

Metoda Newtoa Aaliza błędu 1 f '' 1 f '' r e e e Ce 2 2 2 1 2 f ' x 2 f ' r Określmy wielkość c d max f'' 1 xr d 2 mi f' xr d x x limc d 0 d 1 f'' 2 f' r r Wybieramy d a tyle małe, aby miaowik był dodati, a dodatkowo, jeśli to koiecze zmiejszamy d tak, żeby spełioe było dc d 1 18/25

Metoda Newtoa Aaliza błędu Przypuśćmy, że zaczyamy iteracje metody Newtoa od x0 : x0 r d e0 d, 0 r d Wobec defiicji c 1 f '' 2 f' x 0 0 c d 1 f '' e e c e e e c d 0 2 2 1 0 0 0 0 2 f' x0 d e dc d e e d 0 0 0 19/25

Metoda Newtoa Aaliza błędu e e 1 0 e e e 2 2 1 0 e e Niech r będzie zerem pojedyczym fukcji f i iech jej druga pochoda będzie ciągła. Wtedy istieje takie otoczeie puktu r i taka stała C, że jeśli metoda Newtoa startuje z tego otoczeia, to koleje pukty są coraz bliższe r i takie, że 2 x 1 r C x r 0 20/25

Metoda Newtoa Przykład W oparciu o metodę Newtoa możemy sformułować ciąg przybliżeń pierwiastka kwadratowego x R x 2 R 0 2 f x x R x x x R 2x x R x R 1 x R 2 2 2 2 1 2x 2x 2x 2 x 21/25

Metoda Newtoa Zastosowaie do układów rówań ieliiowych f f 1 1 2 2 1 2 x, x 0 x, x 0 J f 0 f x h, x h f x, x h h 1 1 1 1 1 2 2 1 1 2 1 2 x1 x2 f 0 f x h, x h f x, x h h f f 2 2 2 1 1 2 2 2 1 2 1 2 x1 x2 f f x x f f x x 1 1 1 2 2 2 1 2 1 f 1 1 x1, x 2 h J h f x, x 2 2 1 2 22/25

Metoda sieczych x 1 x f x f ' x x x f x 1 x f x 1 f x x 1 23/25

Metoda sieczych Algorytm iput a, b, M, d, e fa f(a), fb f(b) output 0, a, fa output 1, b, fb for k = 2 to M do eddo if abs(fa) > abs(fb) the a b, fa fb edif s (b-a)/(fb-fa) b a fb fa a a fa*s fa f(a) output k, a, fa if abs(fa) < e or abs(b-a) < d the stop 24/25

Metoda sieczych Aaliza błędu r r f'' e e e Ce e 2 f' 1 1 1 e A e 1 1 5 2 25/25